奇异值熵和支持向量机的齿轮故障诊断

摘要：

提出了一种基于总体平均经验模态分解(ensemble empirical mode decomposition,简称EEMD)奇异值熵和支持向量机的齿轮故障诊断方法.首先,通过EEMD方法将非平稳的原始加速度振动信号分解成若干个平稳的本征模式分量,将得到的若干个本征模式分量自动形成初始特征向量矩阵;然后,对该矩阵进行奇异值分解,提取其奇异值作为故障特征向量,并对其进行归一化,求得奇异值熵,根据奇异值熵值大小可以判断齿轮的故障类型;最后,将奇异值故障特征向量作为支持向量机的输入,判断齿轮的工作状态和故障类型.试验结果表明,即使在小样本情况下,基于EEMD奇异值分解和支持向量机的故障诊断方法仍能有效地识别齿轮的工作状态和故障类型.

关键词：总体平均经验模态分解、奇异值熵、支持向量机、本征模式分量、故障诊断

所属期刊栏目：31

分类号：TG17(金属学与热处理)

资助基金：国家高技术研究发展计划“八六三”计划资助项目2006AA042402;中央高校基本科研业务费专项基金资助项目JY10000904012

在线出版日期：2012-03-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：600-604